设计了适合于数字X线影像仪的激光扫描光学系统.针对数字X线影像仪的使用特点,论述分析了激光扫描光学系统中的关键部件Fθ镜头、光束扩展器和扫描器,提出并解决了其中一些关键问题,如影响系统扫描光点大小的因素、扫描器的确定等.用ZEMAX光学设计软件对所设计激光光学系统的光学性能进行了模拟,得到扫描光斑直径＜0.1 mm,像高和视场角满足线性关系的设计结果.像质评价分析结果表明:所设计的镜头像质优良,轴上与轴外成像质量相当,像质达到衍射极限.

为实现CR图像实时快速分割，提出一种针对直方图的包络特征进行处理的新方法。首先计算出图像的直方图，然后对直方图进行形态学滤波，提取出直方图的包络，在此基础上对直方图的包络采用改进的基于标记的分水岭算法自动提取出最佳阈值。最后根据从直方图中提取出的、代表图像特征的阈值对CR图像进行实时快速分割，在采集完图像的同时就可以得出分割结果。通过实验和时间复杂度与空间复杂度分析表明，采用提出的算法通过减少运算量，可以快速分割出CR图像并提取出感兴趣区。

数字CR(computed radiography)医学放射图像动态范围宽、细节丰富、对比度差，只有对其进行增强处理才能满足医生临床诊断的需要。由于目前通用的CR图像增强算法的对比度和噪声增强过度，丢失了细节，为了对CR图像进行边缘细节增强，提出了一种非线性反锐化掩模算法。该算法使用钝化模糊影像来增加对选择空间频率的响应，以增强CR图像的结构边缘和细节。算法能根据CR图像的灰度特性来调节增强程度的加权因数K，从而可非线性地增强CR影像的边缘细节。实验证明，经算法处理后的CR图像细节丰富，信噪比高，细节方差与背景方差之比为通用算法的9．6倍，增强后的CR图像具有良好的视觉效果，是一种增强CR医学放射图像边缘细节的好方法。

针对SPIHT(set partitioning in hierarchical trees)算法的编码过程具有重复运算、存储量大等问题，提出了一种适合于DSP(digital signal processors)处理的低内存并行SPIHT算法。该算法采用乒乓缓存策略，使得数据的传输和编码能够同时进行。通过引入基于行的整型提升方案，使得只需经少量行变换就能进行列变换，提高了小波的变换速度。根据DSP的并行特性和SPIHT算法的缺点，采用“改进的最大幅值求取方法”、“误差位数以及绝对零值和绝对零集合”、“最大值与零值图”和“单棵零树编码”等多种方法对其进行了改进，大大缓解了对内存的压力，减少了算法的运算量。该算法与LZC(listless zerotree coding)算法相比，重构图像的峰值信噪比相当，但速度提高了2倍，能满足一般的实时压缩要求。

根据超光谱图像有很强谱间相关性的成像特点,设计了一种预测算法结合变换编码算法的图像分层压缩方法.采用几个相邻波段图像共享同一有损图像作为预测图像,克服了预测算法对传输误差的敏感性.预测图像是通过对原始图像进行局部熵为代价函数的四叉树分割后,再经小波变换得到的.用各个原始图像减去共享预测图像来去除谱间相关性,并得到相应残差图像,再对残差图像采用局部离散余弦基变换方法去除空间相关性,实现近无损压缩.研究结果表明,各波段峰值信噪比(PSNR)为40dB左右时,压缩比(CR)高于7.2,分层压缩方法具有很好的压缩效果.

提出了基于多尺度Retinex(MSR)方法的医学数字X光图像增强处理方法,论述了该算法的原理及实现方法.在3种标准偏差下,求得高斯滤波系数;然后使用3种不同的高斯滤波系数对X光图像进行卷积操作,将3种标准偏差尺度下得到的结果进行加权平均;最后将输出灰度值进行增益映射,得到可用于显示的结果.试验结果表明:MSR算法既可实现低对比的数字X光图像增强,又能实现图像的动态范围压缩,可显著提高暗区数字X光图像的信息.将该方法与几种常用图像增强方法进行了分析比较,表明MSR算法使得X光图像具有更好的灰度分布,能够显著提高暗区图像的信息量,其增强后的信息熵是常规增强方法的2倍,表现出了优良的性能.该方法克服了目前常规的数字X光图像增强方法的不足,能够满足医生临床诊断的要求.

针对数字信号处理器(DSP)的并行特性,提出了一种二维整型提升小波的并行体系结构.该结构采用乒乓缓存策略,使得数据的传输和小波变换能够同时进行;用基于行的列变换方法使得列变换只需少量行变换结果就能进行列变换;用移位操作代替乘法操作,大大减少了算法的运算量.整个结构采用流水线设计,提高了硬件资源的利用率和降低了算法的中间存储量,实现了图像的实时小波变换.实验证明,该算法与原算法相比,速度提高了15倍,达到了每秒85帧;重构图像的峰值信噪比(PSNR)虽然比离散小波变换要低一些,但仍达到了42 dB以上,因此该算法具有广阔的应用前景.

提出了一种结合多分辨率直方图特征表示与核学习算法的数字X光乳腺图像的分类方法.该方法不依赖特征选择步骤,而是基于感兴趣区(ROI)的高维多分辨率直方图特征,通过从训练实例中学习,同时检测多种异常的ROI.对该方法进行接收器工作特性(ROC)分析,敏感性约为89%,ROC曲线下面积(AUC)接近0.91.与以前所提出的检测方法相比,该方法不需要针对特定类型病变选择特征表示,因此可以同时检测多种类型的病变,简化了检测过程,提高了检测效率,而且分类性能也达到或超过了以前方法的平均分类性能.结果表明,利用多分辨率直方图特征表示能够很好地区分乳腺图像中正常和异常区域,同时也显示了借助核学习算法消除或限制分类任务中特征选择步骤的可能性.

针对传统小波变换过程复杂的缺点和SPIHT算法编码过程重复运算、存储量大的问题,提出了基于提升方案快速SPIHT的压缩方法.该方法采用提升方案弥补传统小波变换的不足,提高了图像的重构质量和小波变换速度,并引入"最小阈值"、"最小输出位"和"最大值表"的思想对SPIHT算法加以改进,降低了编解码过程的运算复杂度和时间消耗.实验证明,该算法较传统方法编解码速度提高了2.5倍,重构图像的峰值信噪比亦有所提高,是一种有效的快速图像压缩方法.

针对线性反锐化掩模法对医学图像增强的不足,提出了一种基于多尺度抗噪反锐化掩模的医学影像增强算法(MSNR-UM).该算法将原始图像分解为一个多分辨率金字塔,金字塔的每一级代表该尺度下的细节图像,利用非线性函数对各尺度下的细节图像进行增强,采用与分解过程相反的步骤将处理后的各尺度细节图像合成为增强图像.实验结果表明,在处理同一图像时,MSNR-UM法的背景噪声方差仅为线性UM法的28%.